Does nepotism run in the family? <scp>CEO</scp> pay and <scp>pay‐performance</scp> sensitivity in Indian family firms
Notice bibliographique
Résumé
Abstract Research Summary Using a principal–principal agency theory lens, we examine corporate governance and compensation design in family‐owned businesses. We conceptualize how CEO pay and pay‐performance sensitivity is influenced by whether the CEO is a professional or drawn from the controlling family (family CEO). Data from a sample of 277 publicly listed Indian family firms during 2004–2013 support our argument that family CEOs get paid more than professional CEOs. This pattern is stronger in superior‐performing firms that are named after the controlling family (eponymous firms). Furthermore, family CEOs of superior‐performing firms have higher pay‐performance sensitivity compared to professional CEOs of other superior‐performing firms. Our findings reveal nuanced heterogeneity in nepotism in emerging economy family firms—CEO compensation is a mechanism for some controlling families to tunnel corporate resources. Managerial Summary We examine whether CEO compensation and its responsiveness to realized firm performance in Indian family firms in influenced by whether the CEO is a professional or drawn from the controlling family (family CEO). Data from a sample of 277 publicly listed Indian family firms during 2004–2013 suggests family CEOs get paid more than professional CEOs. This pattern is stronger in superior‐performing firms that are named after the controlling family (eponymous firms). Furthermore, family CEOs' high compensation is unaffected by poor firm performance and is disproportionately boosted by superior firm performance. These results suggest that poor corporate governance allows some family controlled Indian firms to use CEO compensation as a mechanism to tunnel corporate resources in ways that hurt minority shareholders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».